检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高级语义信息辅助的无锚框行人检测研究

微电子学 2022年第5期52卷 898-904页

作者：赵志刚内蒙古大唐国际托克托发电有限责任公司呼和浩特010206

为了提高车间监控系统智能化程度和工作场景中行人检测精度,提出了一种基于计算机视觉技术的行人检测方法。采用基于高级语义信息的无锚框特征检测技术,将检测任务简化为中心点和尺度的回归预测。特征提取模块通过四阶段降采样卷积网络... 详细信息

为了提高车间监控系统智能化程度和工作场景中行人检测精度,提出了一种基于计算机视觉技术的行人检测方法。采用基于高级语义信息的无锚框特征检测技术,将检测任务简化为中心点和尺度的回归预测。特征提取模块通过四阶段降采样卷积网络,得到多尺度的图像特征并融合。头探测模块分成两路卷积,并行处理特征图,获得中心点热力图和尺度信息,输出检测结果。结果表明,在CityPersons数据集R子集上,MR^(-2)达到11.61%,加入偏移量预测分支后MR^(-2)提升了0.6%。这证明了该人员检测方法的性能优良。

关键词：目标检测行人检测计算机视觉技术无锚框检测语义信息

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于无锚框的遮挡行人检测算法研究

基于无锚框的遮挡行人检测算法研究

作者：赵洪洋北京邮电大学

学位级别：硕士

随着计算机视觉的蓬勃发展,各行各业对视觉信息源中行人目标的检测与感知需求强烈。自动驾驶领域需要准确检出行人以完成其轨迹的跟踪和预测,视频监控领域也需要精准的检测框以便于为人员跟踪和人员重识别提供鲁棒的特征。遮挡行人检测... 详细信息

随着计算机视觉的蓬勃发展,各行各业对视觉信息源中行人目标的检测与感知需求强烈。自动驾驶领域需要准确检出行人以完成其轨迹的跟踪和预测,视频监控领域也需要精准的检测框以便于为人员跟踪和人员重识别提供鲁棒的特征。遮挡行人检测是行人感知领域的难点,包括物体遮挡的行人检测和其他行人遮挡的行人(密集人群)的检测。现有的行人检测方法多以有锚框方法为主,这类方法不仅超参数繁杂,网络结构复杂,检测速度较慢,而且在跨域场景下的表现较差。近年来,若干无锚框检测算法被提出,克服了有锚框算法的诸多缺点,也取得了与有锚框算法相当的检测精度,尤其在跨域场景下性能提升显著。但在单域内无锚框检测算法与领先的有锚框算法仍有差距。本文以无锚框检测算法为基础,针对物体遮挡行人和密集行人的特点,设计了新型的网络结构和后处理方法来提升无锚框行人检测方法的准确性。本文的主要内容包括:1.针对遮挡行人特征不稳定,难以检出的问题,本文提出了基于辅助监督的无锚框行人检测网络。本文通过分析遮挡行人检测不准的原因,利用现有的和额外构造的监督信息,设计了利用行人头部信息辅助监督的无锚框检测网络。在行人检测和密集人群检测中,该模型的检测性能较基线模型有明显提升。2.针对无锚框行人检测特征抽象,难以设计迭代结构进行特征迭代优化的问题,本文设计了交替式无锚框双中心检测网络。该网络使得额外的监督信息之间进行更深层次的特征交互和任务交替,进一步提升行人检测的性能。为了缓解行人检测中密集场景的检测问题,本文在上述网络结构的基础上进一步设计了“个体”损失及“个体”非极大值抑制。基于“个体”损失引导的“个体”非极大值抑制策略,能有效地保留密集场景的检测框。该检测算法在行人检测数据集达到了 SoTA的效果,在密集人群检测数据集中也取得了领先的检测性能,还取得了跨域设定下的最好效果,同时检测速度领先于现有方法。本论文在无锚框的行人检测算法基础上,设计并验证了基于辅助监督的无锚框网络,以及交替式的多任务学习方式对无锚框行人检测算法的增益,并设计了更合适的后处理策略,显著提升了基线无锚框检测器的性能。本文设计的模型还拥有较快的运行速度和较好得到检测效果,具有理论和实际应用的价值。

关键词：无锚框检测遮挡行人检测非极大值抑制级联结构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于注意力机制的无锚框多光谱行人检测研究

基于注意力机制的无锚框多光谱行人检测研究

作者：王智江苏科技大学

学位级别：硕士

行人检测作为目标检测的一个重要分支,一直是计算机视觉领域的重要研究课题,在无人驾驶、智能监控等实际应用中发挥着重要作用。由于实际应用场景中存在光照不足、恶劣天气等影响行人检测性能的因素,传统的单模态可见光图像难以解决这... 详细信息

行人检测作为目标检测的一个重要分支,一直是计算机视觉领域的重要研究课题,在无人驾驶、智能监控等实际应用中发挥着重要作用。由于实际应用场景中存在光照不足、恶劣天气等影响行人检测性能的因素,传统的单模态可见光图像难以解决这些问题,而红外图像受光照影响较小,因此可以结合可见光和红外图像进行多光谱行人检测,弥补单模态特征的不足。本文提出了一种基于无锚框的多光谱行人检测方法,利用无锚框检测框架提升了模型推理速度;同时,提出利用注意力机制细化特征,提升特征融合质量。实验结果表明,本文方法在检测精度和检测速度上都有不错的表现。本文研究内容主要包括如下两个方面:(1)针对多光谱行人检测中存在的检测精度低、检测速度慢的问题,本文提出了基于Center Net的无锚框多光谱行人检测方法。首先,利用差分模态感知模块来解决特征盲融合问题;其次,提出混合局部和全局注意力机制提升特征融合质量,同时捕获局部和全局特征的相关性;最后,利用轻量级骨干网络和无锚框检测框架来降低模型运算量,提升检测效率。在KAIST,FLIR和CVC-14数据集上的实验结果表明,与当前的先进方法相比,本文方法的性能有显著改进。(2)针对多光谱特征融合质量低下以及小目标行人漏检率高的问题,本文提出了基于尺度感知的排列注意力模块和相邻特征聚合模块的多光谱行人检测方法。首先,利用四个不同的注意力子模块组合成尺度感知的排列注意力模块,增强特征金字塔中不同尺度的特征映射,并自适应地提高可见光和红外特征的融合质量;其次,利用相邻特征聚合模块聚合相邻层的特征,使不同尺度之间的特征得到充分聚合,增强了模型对尺度方差的鲁棒性,同时提高了小尺度行人检测精度;最后,利用无锚框检测框架平衡检测速度。在KAIST和FLIR数据集上的实验结果表明,本文方法优于当前先进方法。

关键词：多光谱行人检测无锚框检测注意力机制特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂场景下无锚框多关键点行人检测算法研究

复杂场景下无锚框多关键点行人检测算法研究

作者：林伟达广东工业大学

学位级别：硕士

行人检测任务在计算机视觉扮演着重要的角色,不仅可以作为单独的应用去实现价值,也可以作为基础去服务其他应用,如姿态估计,行为识别等。在本研究中,将针对遮挡场景设计多中心点预测分支特征提取模型规避遮挡带来的漏检,并辅以通道非极... 详细信息

行人检测任务在计算机视觉扮演着重要的角色,不仅可以作为单独的应用去实现价值,也可以作为基础去服务其他应用,如姿态估计,行为识别等。在本研究中,将针对遮挡场景设计多中心点预测分支特征提取模型规避遮挡带来的漏检,并辅以通道非极大值抑制策略去除多分支预测带来的冗余检测框,针对小尺寸行人设计触发器注意力机制加强特征图上的行人区域。针对遮挡场景下,本文提出了一种新的边界框编码方法来解决遮挡带来的漏检问题。本文将行人区域编码分为三个高斯中心点,设置多中心点预测分支来预测行人的位置,分别是上半部分中心点预测分支、中部中心点预测分支以及下半部分中心点预测分支。这三个分支可以有效识别各种遮挡情况下的行人。在CityPersons数据集中,实现在保证Reasonable子集性能前提下,将遮挡严重的Heavy子集漏检率(MR-2)从 49.63%降低至 45.57%。由于并列的多个中心点预测分支的设置,生成了冗余的检测框,本文提出基于通道来源动态调整非极大值抑制(NMS)阈值的去冗方法。由于多分支的设置,相互重叠但来自不同分支来源的检测框,更可能是在表示同一个行人,因此适当降低不同分支来源检测框之间的NMS阈值,将有效过滤冗余的检测框。针对小尺寸行人检测,本文提出触发器注意力机制。在三个区域中心点预测分支外,并行生成一个可见区域中心点预测分支,通过可见区域中心点预测分支特征图与三个区域中心点预测分支特征图的相似度来建立权重因子。当某个区域与可见区域预测的特征图相似性越高时说明该区域的特征图越可信,此时根据权重因子来加强该区域的特征图。通过触发器注意力机制的加强,模型在Heavy子集MR-2降低了 0.94%。

关键词：行人检测遮挡场景小尺寸行人注意力机制无锚框检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自适应置信度阈值的非限制场景车牌检测算法

计算机应用 2023年第1期43卷 67-73页

作者：刘小宇陈怀新刘壁源林英马腾电子科技大学资源与环境学院成都611731 成都天奥信息科技有限公司成都611731

针对车牌检测模型泛化性低,在智慧交通的不同应用场景中复用困难的问题,提出一种自适应置信度阈值的非限制场景车牌检测算法。首先,构建多预测头网络模型,利用分割预测头减少模型复用的预处理工作,利用自适应置信度阈值预测头提升模型... 详细信息

针对车牌检测模型泛化性低,在智慧交通的不同应用场景中复用困难的问题,提出一种自适应置信度阈值的非限制场景车牌检测算法。首先,构建多预测头网络模型,利用分割预测头减少模型复用的预处理工作,利用自适应置信度阈值预测头提升模型的检测能力,并利用多尺度融合机制及边框回归预测头来提升模型的泛化能力;其次,采用可微分二值网络训练方法,利用可微分二值变换联合训练分类置信度及置信度阈值来学习模型参数;最后,利用连通感知非极大值抑制(CANMS)方法提升车牌检测的后处理速度,并引入轻量级网络ResNet18作为特征提取骨干网络,以减少模型参数量,进一步地提高检测速度。实验结果表明,在中国城市停车场数据集(CCPD)的6个不同限制条件特点的场景中,所提算法可获得平均99.5%的准确率与99.8%的召回率,并达到每秒70帧的高效检测速率,优于Faster R-CNN、SSD等锚框类算法的性能;在3个补充场景测试集上,所提算法对不同分辨率、不同拍摄距离、不同拍摄俯仰角等非限制场景下的车牌检测精度均高于90%。可见,所提算法在非限制场景下具备良好的检测性能及泛化能力,可以满足模型复用的要求。

关键词：车牌检测非限制场景深度神经网络无锚框检测置信度阈值可微分二值变换非极大值抑制

基于深度学习的红外与可见光图像匹配算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的红外与可见光图像匹配算法研究

作者：王科俨华中科技大学

学位级别：硕士

红外与可见光图像匹配技术是一项具有较高应用价值和理论难度的课题,在飞行器导航、遥感侦察等领域都占用极其重要的地位。随着相关领域的不断拓展,匹配技术不仅要适应不同时间、视点下的图像匹配,还要面对红外可见光图像间的成像特性差... 详细信息

红外与可见光图像匹配技术是一项具有较高应用价值和理论难度的课题,在飞行器导航、遥感侦察等领域都占用极其重要的地位。随着相关领域的不断拓展,匹配技术不仅要适应不同时间、视点下的图像匹配,还要面对红外可见光图像间的成像特性差异,传统的匹配算法难以胜任愈加复杂的应用场景。如何利用神经网络有效提取红外和可见光图像间的共性特征,实现更快、更精确、更稳定的红外可见光匹配算法,并将其应用于端侧实际场景,是论文的主要研究内容。针对红外可见光图像匹配问题,已有的域适应孪生网络设计了域分配单元来减小异谱图像差异,但该单元仅工作在网络头部,尺度适应性较弱。论文对CIRes Net22的结构进行调整,引入金字塔分割注意力对图像多尺度特征进行融合,并在网络各层后端使用条件域归一化减小红外和可见光图像间的特征差异,设计了多尺度域自适应的孪生网络MS-DASiam Net,能够有效提取红外和可见光图像的共性特征。通过在MS-DASiam Net后端接入RPN网络,提出了基于锚框的多尺度域自适应匹配网络MS-DASiam RPN,实现红外可见光图像跨域匹配。为了进一步压缩网络模型参数,降低算法复杂度,论文使用边框自适应网络BAN替换RPN网络,提出无锚框的匹配网络MS-DASiam BAN,并引入多级预测机制,综合利用网络低级特征和高级语义对匹配目标进行精确定位。利用红外与可见光图像公开数据集和自标注数据集进行对比实验,结果表明论文方法MS-DASiam Net比现有孪生网络更能适应红外可见光图像匹配。MSDASiam RPN和MS-DASiam BAN能有效应对目标形变、尺度及视角变化、部分遮挡及时相变化的应用场景,且MS-DASiam BAN匹配精度更优。最后,在Jetson TX2嵌入式平台上实现了MS-DASiam BAN的裁剪移植,方法具有工程应用前景。

关键词：异源图像匹配孪生神经网络多尺度特征融合域自适应无锚框检测

基于EfficientDet模型的棉布瑕疵检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于EfficientDet模型的棉布瑕疵检测算法研究

作者：徐天伦中南民族大学

学位级别：硕士

棉布生产过程中出现的瑕疵会严重影响棉布产品的质量,给企业带来很大的经济损失。瑕疵检测是保证棉布产品质量的重要措施。人工检测需要工人高强度的重复工作来完成检测任务,容易因视觉疲劳而发生漏检和错检,因而机器视觉技术在棉布瑕... 详细信息

棉布生产过程中出现的瑕疵会严重影响棉布产品的质量,给企业带来很大的经济损失。瑕疵检测是保证棉布产品质量的重要措施。人工检测需要工人高强度的重复工作来完成检测任务,容易因视觉疲劳而发生漏检和错检,因而机器视觉技术在棉布瑕疵检测领域逐渐得到应用。近年来,深度学习模型开始应用于棉布瑕疵检测领域,进一步提升了检测效果,节约了人工成本,但目前基于卷积神经网络的棉布瑕疵检测方法大多无法在速度和精度上都取得良好效果,该研究方向尚有待于进一步改进和完善。本文以EfficientDet为基础框架,提出了三种棉布瑕疵检测模型,在检测速度和精度上都有良好的表现。本文研究内容主要包括:(1)针对棉布瑕疵样本的瑕疵类别不均衡、瑕疵的尺度变化较大、弱对比度下小瑕疵目标不易检测的问题,选择目前新颖的EfficientDet模型作为棉布瑕疵检测模型的基准框架。EfficientDet模型通过复合缩放主干网络的大小,提高检测模型的准确率和效率。模型基于Bi FPN实现多尺度的特征融合,以适应在不同尺度下的瑕疵目标检测任务,对于弱小瑕疵目标也有较好的检测效果。采用Focal Loss分类损失函数减少瑕疵类别不均衡给分类和检测准确率带来的影响。与主流的一阶段目标检测模型YOLO v3、YOLO v4和两阶段目标检测模型Faster RCNN进行实验比较,本文的EfficientDet检测模型平均精度为94.83%,具有更优秀的棉布瑕疵检测性能。(2)在棉布瑕疵目标的特征提取过程中,对全局信息都使用相同的关注度会导致特征信息提取效率低下。通道注意力机制在特征提取时关注重要的信息,但无法获得全局的位置关系。针对以上问题,本文在EfficientDet模型中引入融合位置信息的CA注意力机制,提高了特征提取能力和检测精度;此外,还提出了改进的CBi FPN特征融合策略,增加了不同层级的特征融合,提高了多尺度特征融合的效率。实验结果表明融合位置信息的CA注意力机制和改进的CBi FPN特征融合方法能够使模型的平均精度提升0.92%。(3)目前大多数基于深度学习的目标检测模型都使用锚框训练,但锚框会带来大量敏感的超参数,增加了网络的计算量,增大了模型训练的难度。针对以上问题,本文将无锚框思想引入EfficientDet模型,提出了一种基于无锚框的棉布瑕疵检测方法,训练时使用位置替代锚框,并引入“中心度”策略提高训练样本的质量。该方法减少了模型的参数量,使模型训练更加简单,提高了瑕疵目标检测的速度,而且精度甚至可以超过基于锚框的方法。实验证明无锚框方法使模型的平均精度提升0.48%,检测速度FPS提高3.8,有效的提升了棉布瑕疵检测模型的性能。通过在生产企业提供的实际棉布样本及公开数据集的实验和对比分析,结果表明:本文提出的棉布瑕疵检测模型对于瑕疵类别不均衡样本、尺度变化范围大的瑕疵和弱小瑕疵目标均有良好的检测能力,在检测速度和精度有进一步提升,优于目前主流的棉布瑕疵检测模型。本文研究工作有助于提高棉布纺织企业的产品质量和生产效率,具有良好的实用价值。

关键词：棉布瑕疵检测卷积神经网络 EfficientDet模型 BiFPN特征融合注意力机制无锚框检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向电力巡检的无人机视觉伺服方法研究

面向电力巡检的无人机视觉伺服方法研究

作者：冯雪菱华北电力大学(北京)

学位级别：硕士

随着检测技术的快速进步和控制理论的不断完善,智能机器人在电力巡检、医疗救援等领域发挥了重要作用。四旋翼无人机作为操控高精度作业的代表,成为学术界、工业界研究的热点,目前我国在电力巡检方面的无人机视觉伺服方法仍处于起步阶段... 详细信息

随着检测技术的快速进步和控制理论的不断完善,智能机器人在电力巡检、医疗救援等领域发挥了重要作用。四旋翼无人机作为操控高精度作业的代表,成为学术界、工业界研究的热点,目前我国在电力巡检方面的无人机视觉伺服方法仍处于起步阶段,因此面向电力巡检的无人机视觉伺服方法研究具有一定意义,此研究可应用于多种电力巡检场景,如光伏电站、输电线路、变电站等。本文将对面向电力巡检的无人机视觉伺服方法中视觉模块的巡检目标检测估计、控制模块的四旋翼无人机高性能控制器展开研究,重点关注视觉伺服方法中视觉算法检测精度、运行速度和控制器跟踪能力。对于视觉模块,本文基于FCOS提出一种无锚框检测算法FCRD,以解决多尺度的连续物体的检测,并结合相机三维重建原理设计检测与跟踪方法。对于控制模块,本文提出自适应麻雀方法进行线性自抗扰控制器的参数整定,提高控制器跟踪能力。主要贡献分为以下三个方面:（1）提出基于FCOS的目标检测及追踪算法。为了提高网络速度,使用基于FCOS的无锚框框架。以R2为骨干网络,通过调整Head和损失函数的方式增强了多尺度密集物体的检测的效果。实验表明FCRD目标检测算法在提高原网络精度的同时保持较快的运行速度。（2）提出自适应多策略新型麻雀算法,利用提出的麻雀算法自适应能力对线性自抗扰控制器关键参数进行自适应调节,解决了传统控制算法跟踪性能不足、鲁棒性不足的问题,提高了控制器的自适应能力和响应速度。实验表明基于自适应麻雀的线性自抗扰控制方法的响应速度得到了改善,与此同时,提出的麻雀算法在不同问题的寻优效果上精度更高,鲁棒性更强。（3）设计搭建了面向电力巡检的视觉伺服平台,尤其是光伏电站的巡检,该系统基于ROS进行搭建,对光伏板组件进行定制化设计,在ROS中进行光伏电站巡检场景的仿真还原。平台由视觉模块和控制模块组成,并进行改进,解决了目前视觉伺服仅使用拍摄后的图像对检测模型效果的验证分析,仅通过Matlab对控制器进行验证,无法还原真实巡检目标颜色、纹理、形状、空间的问题,最大程度还原了真实电力场景的巡检过程。在本文设计的视觉伺服仿真平台中,实现了无人机对光伏板目标的巡检,对电力巡检视觉伺服方法的进一步研究具有一定价值。

关键词：电力巡检视觉伺服光伏板无锚框检测智能控制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的SAR舰船检测方法研究

基于深度学习的SAR舰船检测方法研究

作者：柯潇电子科技大学

学位级别：硕士

合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天时、全天候的工作能力,在气候多变的条件下仍能实现对海舰船监测任务。传统的SAR舰船检测方法依赖人工设计特征,需要针对不同海杂波分布进行建模,检测精度受限。近年来,基于深度... 详细信息

合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天时、全天候的工作能力,在气候多变的条件下仍能实现对海舰船监测任务。传统的SAR舰船检测方法依赖人工设计特征,需要针对不同海杂波分布进行建模,检测精度受限。近年来,基于深度学习的SAR舰船检测方法可自动学习目标特征,检测精度较高,泛化性较强,吸引了许多研究者的关注。然而,现有的基于深度学习的SAR舰船检测方法仍存在一些问题,如:（1）现有基于无锚框的方法因为缺乏先验信息,导致检测精度受限;（2）现有方法常常使用卷积网络进行特征提取,难以建立长距离依赖关系和提取全局信息,导致检测精度受限;（3）现有SAR舰船实例分割方法由于小尺度舰船占多数、背景干扰复杂,导致实例分割精度受限。本文针对上述三个问题,分别进行研究,具体内容如下:（1）针对现有基于无锚框的方法因为缺乏先验信息,导致检测精度受限的问题,提出了一种基于空间信息增强的无锚框SAR舰船检测方法。该方法设计了双路路径增强金字塔、通过增加底层路径从而增强层级特征图中的空间信息,设计了基于空间注意力的无锚框检测头通过提取重要空间信息、抑制干扰信息,从而指导边界框预测。实验结果表明,所提方法具有有锚框检测方法Faster R-CNN相当的检测精度。（2）针对现有方法采用卷积网络提取特征时、只对局部邻域进行处理、感受野受限、难以建立长距离依赖关系,导致检测精度受限的问题,提出了一种基于视觉Transformer的高精度SAR舰船检测方法。该方法将视觉Transformer引入SAR舰船检测领域,代替卷积网络进行特征提取,建立长距离依赖。该方法设计了高分辨率Swin-T骨干网络（HRSwin-T）,基于Transformer架构和最近邻插值得到高分辨率、全局信息充分的层级特征图,设计了语义增强金字塔网络通过多条自上而下通路、进一步增强层级特征图中的语义信息。实验结果表明,与多种利用卷积神经网络提取特征的检测方法相比,所提方法具有较高的检测精度。（3）针对现有SAR舰船实例分割方法由于小尺度舰船占多数、背景干扰复杂,导致实例分割精度受限的问题,提出了一种基于级联网络的高质量SAR舰船实例分割方法。该方法设计了增强特征金字塔用于得到高语义和高分辨率的层级特征图,设计了增强多任务混合级联网络用于增强掩码分支的信息交互,提高实例分割精度。实验结果表明,与多种实例分割方法相比,所提出的方法具有较高的实例分割精度。

关键词：舰船检测合成孔径雷达无锚框检测视觉Transformer 实例分割